文本嵌入

POST https://api.4allapi.com/v1/embeddings

把文本转成高维向量,用于语义检索、聚类、推荐与 RAG 知识库。

请求示例

curl https://api.4allapi.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AIPROXY_KEY" \
  -d '{
    "model": "text-embedding-3-large",
    "input": ["4ALL API 是什么", "如何创建 API 令牌"]
  }'

input 支持单条字符串或字符串数组(批量);响应中每条输入对应一个 embedding 向量:

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, ...] },
    { "object": "embedding", "index": 1, "embedding": [...] }
  ],
  "model": "text-embedding-3-large",
  "usage": { "prompt_tokens": 14, "total_tokens": 14 }
}

实践建议

同一套知识库全程用同一个嵌入模型,不同模型的向量空间不可混用;
长文档先切块(如 300–800 字符,带重叠)再嵌入,检索命中率更高;
批量嵌入时按数组一次提交多条,比逐条请求更快更省;
嵌入按输入 token 计费,价格远低于对话模型,适合大规模索引。